Leveraging Deep Learning and Digital Twins to Improve Energy Performance of Buildings

要約

タイトル:Deep Learningとデジタルツインを活用した建物のエネルギー効率の向上
要約:
– 建物におけるデジタル変革により、膨大な運用データが蓄積された。
– このため、これらのデータを利用してエネルギー効率を向上させるためのスマートソリューションが必要とされる。
– 本研究では、ディープラーニングとデジタルツインを統合したソリューションであるDeep Energy Twinを提案している。
– オントロジーを採用して、異なるシステムのデータ形式の一貫性を提供するために、パラメトリックデジタルツインを作成した。
– 作成されたデジタルツインと収集されたデータに基づいて、ディープラーニングの手法を使用してデータ解析を行い、エネルギー最適化のためのパターンと洞察を提供した。
– 実証として、スウェーデンのNorrkopingの一般的な歴史的な建物で、建物のエネルギー予測における最新のディープラーニングアーキテクチャのパフォーマンスを比較するためのケーススタディを行った。

要約(オリジナル)

Digital transformation in buildings accumulates massive operational data, which calls for smart solutions to utilize these data to improve energy performance. This study has proposed a solution, namely Deep Energy Twin, for integrating deep learning and digital twins to better understand building energy use and identify the potential for improving energy efficiency. Ontology was adopted to create parametric digital twins to provide consistency of data format across different systems in a building. Based on created digital twins and collected data, deep learning methods were used for performing data analytics to identify patterns and provide insights for energy optimization. As a demonstration, a case study was conducted in a public historic building in Norrk\’oping, Sweden, to compare the performance of state-of-the-art deep learning architectures in building energy forecasting.

arxiv情報

著者 Zhongjun Ni,Chi Zhang,Magnus Karlsson,Shaofang Gong
発行日 2023-05-09 07:13:38+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, OpenAI

カテゴリー: 68T07, cs.LG, cs.SY, eess.SY, I.5.4 パーマリンク